论文部分内容阅读
随着计算机技术的不断发展,微博从各个方面渗透并影响着人们的生活,已经成为人们分享信息、交流情感的一个重要平台。每天微博上都有大量有价值的文本产生,这些文本或是对当前热点时事、重要事件的描述,或是这些热点事件、话题的评论信息。对于一些热点事件,微博的便捷性、实时性等特点更使得微博可以先一步传统媒体发布相关信息并做出反应。及时了解这些事件信息并分析相关情感信息对于更好的应对一些突发事件、把握舆论导向都具有重要意义。当前微博信息挖掘技术是一个研究热点,涉及学科范围也很广,本文主要就微博热点事件抽取和情感分析两方面做了研究。热点事件抽取方面主要是首先对微博数据进行预处理,去除数据中噪声信息;然后通过对句子中的命名实体识别、触发词以及时间等信息的识别,得到事件的关键词信息;根据事件关键词信息,计算各个事件之间的相关度,得到事件相关微博量占总微博的比例;最后再根据事件相关微博的发布时间分布找出相关热点事件。对于情感分析,本文提出了一个对微博中评论信息的主观情感进行分类的方法,主要是利用微博文本中表情动画、动词以及句型等特征信息来构造特征集;再根据这个特征集,生成特征向量;最后通过SVM分类器生成情感分类模型,然后再对待分类数据进行分类。实验结果表明,本文在热点事件抽取以及情感分析方面提出了理论是切实可行的,且取得了较好的效果。